企业官网建设流程全解析

kordoc新旧对照表实战：块级·单元格级文档diff，HWP↔HWPX跨格式差异比较

【免费下载链接】kordoc모두 파싱해버리겠다 — HWP·HWPX·PDF·Office 문서를 Markdown으로. 양식 자동 채우기와 신구대조를 갖춘 CLI·MCP 서버 | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff项目地址: https://gitcode.com/gh_mirrors/ko/kordoc

kordoc是一个把韩国公文格式（HWP、HWPX、PDF、Office）一键转成 Markdown 的开源 CLI 与 MCP 工具，除了转换之外，它还内置了一套新旧对照表（신구대조표）引擎：把两个文档逐块对齐，自动输出「新增 / 删除 / 修改 / 不变」四类统计，表格内容还能细到单元格级 diff。最实用的一点是——它工作在 IR（中间表示）层，所以可以直接比较一个 HWP 老文件和它导出的 HWPX 新文件，跨格式找差异毫无障碍。

📋 新旧对照表是什么？为什么需要它

政府公文、合同、提案书在反复修改后，通常要附上「新旧对照表」说明改了什么。手工逐段比对既慢又容易漏。kordoc 的思路是：

1. 把两个文档都解析成统一的 IR 块序列（段落、标题、表格等）
2. 用 LCS（最长公共子序列）对齐块序列
3. 对每一对块计算相似度，归类为四种状态

核心引擎在 src/diff/compare.ts：

低于 0.4 的相似度会被拆成「删除 + 新增」两条，避免把整段重写误判成小改动。

🧱 块级 diff：段落与标题如何对齐

块对齐在 src/diff/compare.ts 中基于 LCS 完成，但为了性能做了多层预过滤：

• 类型过滤：段落不会和表格配对，直接跳过
• 长度比过滤：用编辑距离下界快速排除明显不相似的块对，不用真正计算 Levenshtein 距离
• 字符构成上界：先统计两块文字的字符多重集，公共字符比例都不到阈值就直接判负
• 大文档保护：块数乘积超过 1000 万时切换回退对齐策略，防止内存爆炸

这样几千块的长公文也能秒级完成比对。文本相似度本身由 src/diff/text-diff.ts 提供：先做空白归一化再算 Levenshtein 编辑距离，超长的输入会自动降级到 bigram Dice 近似，兼顾速度与稳定。

📊 单元格级 diff：表格改动一目了然

公文里的预算表、日程表是改动高发区。当一对块都是表格时，kordoc 会追加cellDiffs，逐格比较新旧内容，告诉你具体是哪一格从「10 亿」改成了「12 亿」，而不是只说「这个表变了」。

表格相似度还叠加了维度权重（行列结构占 0.3、文字内容占 0.7），所以「删了一行」和「改了一个单元格」都能被正确区分。相关测试用例见 tests/diff.test.ts。

🔁 HWP ↔ HWPX 跨格式比较

这是最有实战价值的场景：单位要求「同一份文件用新旧两种格式各交一版」，你需要确认两份文件内容一致、没有格式转换丢失。

由于比较发生在 IR 层而非原始字节层，구버전.hwp和신버전.hwpx可以直接互比，空白差异会被归一化吸收，不会误报。

🚀 上手：三种使用方式

方式一：MCP 工具（推荐给 AI 工作流）

kordoc 的 MCP 服务器内置compare_documents工具（实现见 src/mcp/tools-parse.ts），只需传入两个文件路径：

{ "tool": "compare_documents", "input": { "file_path_a": "/path/구버전.hwpx", "file_path_b": "/path/신버전.hwpx" } }

返回结果为 Markdown 报告：第一行是추가: 3 | 삭제: 1 | 변경: 5 | 동일: 42这样的统计，随后每个变更块带前缀标记——+新增、-删除、~修改（附相似度百分比），可以直接贴进对照表。工具清单见 docs/usage.md。

方式二：Node API

import { compare } from "kordoc" const diff = await compare(구버전Buffer, 신버전Buffer) // diff.stats → { added: 3, removed: 1, modified: 5, unchanged: 42 } // diff.diffs → BlockDiff[]（表格含 cellDiffs）

方式三：先转 Markdown 再人工核对

两个文件分别用 CLI 转成 Markdown 后，交给任何 diff 工具对比。适合需要精细到字符级（词级textDiff，见 src/diff/text-diff.ts）的场景。

⚙️ 性能细节：大文档也不怕

• 相似度计算带Uint8Array缓存，同一块对只算一次
• Levenshtein 超过 1 万字符自动切近似算法（bigram Dice），避免 O(m×n) 爆炸
• 词级 diff 在超过 2500 万词对时切换贪心匹配回退

这意味着几百页的 HWP 报告也能在可接受时间内出对照表。

📚 相关资源

• 使用文档：docs/usage.md · 韩文版：사용법.md
• 比较引擎：src/diff/compare.ts · 文本相似度：src/diff/text-diff.ts
• 回归测试：tests/diff.test.ts
• 项目说明：README.md

一句话总结：kordoc 的新旧对照表功能把「改了什么、改了哪里、改了多少」变成一次compare_documents调用的事，块级统计 + 表格单元格明细 + 跨格式兼容，公文审阅、版本审计、格式转换核验都能直接落地。

【免费下载链接】kordoc모두 파싱해버리겠다 — HWP·HWPX·PDF·Office 문서를 Markdown으로. 양식 자동 채우기와 신구대조를 갖춘 CLI·MCP 서버 | Convert Korean documents (HWP, HWPX, PDF, Office) to Markdown — CLI and MCP server with form filling and diff项目地址: https://gitcode.com/gh_mirrors/ko/kordoc